MATLAB - mpcobj = mpc(model,ts,P,M,W,MV,OV,DV) 函数（下）

MATLAB - mpcobj = mpc(model,ts,P,M,W,MV,OV,DV) 函数（上）+https://developer.aliyun.com/article/1585319

• Unit - OV 单位 —— ""（默认） | 字符串 | 字符向量

       OV 单位，以字符串或字符向量形式指定。这是一个只读属性。要修改扰动变量的单位，请使用 mpcobj.Model.Plant.InputUnit。

       示例：mpcobj.DisturbanceVariables(1).Units

• ScaleFactor - DV 比例因子 —— 1（默认） | 正有限标量

       DV 比例因子，指定为正有限标量。指定适当的比例因子可以改善优化的数值条件。更多信息，请参阅指定比例因子。

       示例：mpcobj.DisturbanceVariables(1).ScaleFactor = 15

Weights - 标准成本函数调整权重 —— 结构体

       以结构形式指定的标准代价函数调整权重。控制器将这些权重应用于比例变量。因此，调整权重是无量纲值。

       输出权重的格式必须与控制器对象的 Weights.OutputVariables 属性的格式一致。例如，不能在控制器对象中指定整个预测范围内的恒定权重，然后再使用 mpcmoveopt 指定随时间变化的权重。

       权重具有以下字段。这些字段的值取决于使用的是标准成本函数还是替代成本函数。有关这些成本函数的更多信息，请参阅优化问题。

• ManipulatedVariables - 受操纵的变量调整权重 —— 行向量数组

       操纵变量调整权重，用于惩罚偏离 MV 目标的变量，指定为非负值行向量或数组。所有操纵变量的默认权重都是 0。

       如果要在整个预测范围内使用相同的权重，可以指定一个长度为 Nmv 的行向量，其中 Nmv 是操纵变量的个数。

       要在时间 k 到时间 k+p-1 的预测范围内改变调整权重，可指定一个 Nmv 列、最多 p 行的数组。这里，k 是当前时间，p 是预测范围。每行包含一个预测跨度步长的受控变量调整权重。如果指定的行数少于 p，最后一行的权重将用于预测跨度的剩余步长。

       如果使用替代代价函数，请将 Weights.ManipulatedVariables 指定为包含 Nmv-by-Nmv Ru 矩阵的单元格数组。例如，mpcobj.Weights.ManipulatedVariables = {Ru}。Ru 必须是正半inite 矩阵。不支持在整个预测范围内改变 Ru 矩阵。更多信息，请参阅替代成本函数。

       示例：mpcobj.Weights.ManipulatedVariables = [0.1 0.2] (0.1 0.2)

• ManipulatedVariablesRate - 受操纵的变量速率调整权重 —— 行向量 | 数组 | 单元数组

       操纵可变速率调整权重，用于惩罚控制移动中的大幅变化，指定为行向量或非负值数组。所有操纵变量率的默认权重为 0.1。

       要在整个预测范围内使用相同的权重，可指定长度为 Nmv 的行向量，其中 Nmv 为操作变量的数量。

       要在时间 k 至时间 k+p-1 的预测范围内改变调整权重，可指定一个 Nmv 列、最多 p 行的数组。这里，k 是当前时间，p 是预测范围。每行包含一个预测跨度步长的可变速率调整权重。如果指定的行数少于 p，最后一行的权重将用于预测跨度的剩余步长。

       注意

       最佳做法是使用非零操纵可变比率权重。如果所有操纵可变费率权重都是严格正值，则所产生的 QP 问题是严格凸的。如果某些权重为零，则 QP 的 Hessian 可能是正半有限的。为了保持 QP 问题的严格凸性，当 Hessian 矩阵 KΔU 的条件数大于 1012 时，每个对角项都要加上 10*sqrt(eps) 的量。参见成本函数。

       如果使用替代代价函数，请将 Weights.ManipulatedVariablesRate 指定为包含 Nmv-by-Nmv RΔu 矩阵的单元格数组。例如，mpcobj.Weights.ManipulatedVariablesRate = {Rdu}。RΔu 必须是正半定量矩阵。不支持在整个预测范围内改变 RΔu 矩阵。更多信息，请参阅替代成本函数。

       示例：mpcobj.Weights.ManipulatedVariablesRate = [0.1 0.1］

• OutputVariables - 输出变量调整权重 —— 向量 | 数组

       输出变量调整权重，用于惩罚偏离输出参考值的行为，指定为非负值的行向量或数组。所有输出变量的默认权重都是 1。

       要在整个预测范围内使用相同的权重，可以指定一个长度为 Ny 的行向量，其中 Ny 是输出变量的个数。

       要在时间 k+1 到时间 k+p 的预测范围内改变调整权重，可指定一个 Ny 列、最多 p 行的数组。这里，k 是当前时间，p 是预测范围。每行包含一个预测跨度步长的输出变量调整权重。如果指定的行数少于 p，最后一行的权重将用于预测跨度的剩余步长。

       如果使用替代代价函数，请将 Weights.OutputVariables 指定为包含 Ny-by-Ny Q 矩阵的单元格数组。例如，mpcobj.Weights.OutputVariables = {Q}。Q 必须是正半inite 矩阵。不支持在整个预测范围内改变 Q 矩阵。更多信息，请参阅替代成本函数。

       示例：mpcobj.Weights.OutputVariables = [1 1]

• ECR - 松弛变量调整权重 —— 1e5（默认值） | 正标量

       松弛变量调整权重，指定为正标量。增大或减小等量松弛（ECR）权重，分别使所有柔性约束变硬或变软。

       示例：mpcobj.Weights.ECR = 1e4

Optimizer - 优化信息 —— 结构体

       优化信息是一个包含以下字段的结构。前三个字段（OptimizationType、Solver 和 SolverOptions）只与内置求解器有关。如果使用自定义求解器进行仿真（将 CustomSolver 设置为 true），仿真时将忽略这三个字段。同样，如果使用自定义求解器进行代码生成（将 CustomSolverCodeGen 设置为 true），代码生成时也会忽略这三个字段。

       有关支持的 QP 求解器的更多信息，请参阅 QP 求解器。

• OptimizationType - 优化类型—— "QP"（默认） | "MIQP

       此属性为只读。

       优化类型，对于连续问题，返回 "QP"；对于有限集问题，返回 "MIQP"。该属性由软件根据 mpc 对象的 ManipulatedVariables.Type 属性自动选择。有关有限集 MPC 的更多信息，请参阅有限控制集 MPC。

       示例："MIQP"

• Solver - 求解器算法 —— "主动集"（默认） | "内点" | "admm" | "分支边界"

       求解器算法，指定为以下算法之一：

               "主动集"- 使用 KWIK 主动集算法求解 QP 问题。

               "内点"- 使用带有 Mehrotra 预测校正器的原始双内部点算法求解 QP 问题。

               "admm"--使用一阶交替乘法（ADMM）求解器求解 QP 问题。

               "分支与边界"- 使用带分支与边界的 KWIK 算法解决 MIQP 问题。当任何操作变量的类型属性设置为 "连续 "以外的其他属性时，将自动选择此方法。

       对于需要解决 QP 问题的自定义应用程序，还可以分别使用 mpcActiveSetSolver 和 mpcInteriorPointSolver 函数访问主动集算法和内点算法。

       示例：mpcobj.Optimizer.Solver = "interior-point"

• SolverOptions - 求解器选项 —— ActiveSet 对象（默认） | InteriorPoint 对象 | ADMM 对象 | BranchBound 对象

       以 ActiveSet、InteriorPoint、ADMM 或 BranchBound 选项对象形式指定的求解器选项。适用的选项对象与优化器属性的求解器字段中选择的求解器相对应。更多信息，请参阅优化问题和 QP 求解器。

• MinOutputECR - 输出约束 ECR 值允许的最小值 —— 0（默认） | 非负标量

       允许的输出约束等同松弛（ECR）值的最小值，指定为非负标量。值为 0 表示允许硬输出约束。如果 MPC 控制器的 OutputVariables.MinECR 或 OutputVariables.MaxECR 属性中的任何一个小于 MinOutputECR，则会显示警告，并在计算过程中将该值提高到 MinOutputECR。

       示例：mpcobj.Optimizer.MinOutputECR = 1e-10

• UseSuboptimalSolution - 表示是否接受次优解的选项 —— 假（默认） | 真

       表示是否接受次优解的选项，以逻辑值指定。当 QP 求解器迭代次数达到最大值但未找到解决方案时（退出选项为 0），控制器会：

       如果使用次优解为假，则冻结 MV 值

       如果使用次优解为 true，则在最后一次迭代后应用求解器找到的次优解

       要根据算法值指定最大迭代次数，请使用 ActiveSetOptions.MaxIterations 或 InteriorPointOptions.MaxIterations。

       示例：mpcobj.Optimizer.UseSuboptimalSolution = true

• CustomSolver - 表示是否使用自定义 QP 求解器进行仿真的选项 —— false（默认） | true

       表示是否使用自定义 QP 求解器进行仿真的选项，以逻辑值指定。如果 CustomSolver 为 true，用户必须在 MATLAB® 路径上提供 mpcCustomSolver 函数。

       该自定义求解器不用于生成代码。要使用自定义求解器为控制器生成代码，请使用 CustomSolverCodeGen。

       如果 CustomSolver 为真，控制器会忽略仿真的 OptimizationType、Solver 和 SolverOptions 属性。

       您还可以使用函数 setCustomSolver 自动配置 mpcobj，将 quadprog（优化工具箱）的 active-set 算法用作仿真和代码生成的自定义 QP 求解器。

       有关使用自定义 QP 求解器的更多信息，请参阅 QP 求解器。

       示例：mpcobj.Optimizer.CustomSolver = true

• CustomSolverCodeGen - 表示是否使用自定义 QP 求解器生成代码的选项 —— false（默认） | true

       表示是否使用自定义 QP 求解器生成代码的选项，以逻辑值指定。如果 CustomSolverCodeGen 为 true，则必须在 MATLAB 路径上提供 mpcCustomSolverCodeGen 函数。

       此自定义求解器不用于仿真。要使用自定义求解器仿真控制器，请使用 CustomSolver。

       您还可以使用函数 setCustomSolver 自动配置 mpcobj，将 quadprog（优化工具箱）的 active-set 算法用作仿真和代码生成的自定义 QP 求解器。

       有关使用自定义 QP 求解器的更多信息，请参阅 QP 求解器。

       示例：mpcobj.Optimizer.CustomSolverCodeGen = true

Notes - 用户备注 —— {}（默认） | 单元字符向量数组

       与 MPC 控制器相关的用户注释，以字符矢量单元数组的形式指定。

       示例：mpcobj.Notes = {'纵向控制器'; '版本 2.1'}

UserData - 用户数据 —— []（默认） | 任何 MATLAB 数据

       与 MPC 控制器相关的用户数据，指定为任何 MATLAB 数据，如单元数组或结构。

       示例：mpcobj.UserData = {'参数',0.2,[3 4]'}

History - 控制器创建日期和时间 —— 矢量

       此属性为只读。

       控制器创建日期和时间，指定为包含以下元素的向量：

               History(1) - 年

               History(2) - 月

               历史记录(3) - 日

               History(4) - 小时

               历史记录(5) - 分钟

               历史记录(6) - 秒

       使用 datestr(mpcobj.History) 以字符向量形式显示控制器创建日期。

       示例： mpcobj.History = datevec(now)

四、对象函数

五、示例

       创建具有指定预测和控制范围的 MPC 控制器

       创建具有传递函数的工厂模型

Plant = tf([1 1],[1 2 0]);

       该设备是 SISO 设备，因此其输入必须是可操作的变量，输出必须是可测量的。一般来说，好的做法是使用 setmpcsignals 命令或 LTI InputGroup 和 OutputGroup 属性指定所有工厂信号类型。

       指定控制器的采样时间。

Ts = 0.1;

       定义被操作变量的边界，u，

MV = struct(Min=-1,Max=1);

       MV 仅包含被操作变量的上下限。一般来说，您可以指定其他 MV 属性。如果不指定其他属性，则将使用默认值。

       指定 20 步预测跨度和 3 步控制跨度。

p = 20;
m = 3;

       使用指定值创建 MPC 控制器。第五个输入参数为空，因此使用默认的调整权重。

mpcobj = mpc(Plant,Ts,p,m,[],MV);

-->"Weights.ManipulatedVariables" is empty. Assuming default 0.00000.
-->"Weights.ManipulatedVariablesRate" is empty. Assuming default 0.10000.
-->"Weights.OutputVariables" is empty. Assuming default 1.00000.

六、算法

       为尽量减少计算开销，模型预测控制器的创建分为两个阶段。第一个阶段是在使用 mpc 函数或更改控制器属性时创建控制器。创建包括基本的有效性和一致性检查，如信号维度和权重的非负性。

       第二个阶段是初始化，即在仿真或分析程序中首次使用对象时进行初始化。初始化会计算高效数值计算所需的所有常量属性，如定义最优控制问题的矩阵和状态估计增益。初始化过程中还会进行其他诊断性检查，例如验证控制器状态是否可观测。

       默认情况下，这两个阶段都会在命令窗口中显示信息消息。您可以使用 mpcverbosity 函数打开或关闭这些消息。

七、其他功能

       您还可以使用 MPC Designer 应用程序创建模型预测控制器。